北京城区PM_(2.5)有机碳和元素碳的污染特征及来源分析

为研究北京城区PM_(2.5)中有机碳(OC)和元素碳(EC)的浓度水平、季节变化特征与主要来源,于2015年4月至2016年3月在北京西三环交通带附近采集4个季节PM_(2.5)有效样品95组,利用热光反射法测定了PM_(2.5)中OC和EC的质量浓度,并对OC/EC值、OC与EC相关性、二次有机碳(SOC)等特征及污染来源进行了分析.结果表明,采样期间PM_(2.5)平均质量浓度为(109.9±7.99)μg·m~(-3). PM_(2.5)中OC的年平均质量浓度为(13.49±4.32)μg·m~(-3),占PM_(2.5)的13.13%; EC的年平均质量浓度为(5.41±1.83)μg·m~(-3),占PM_(2.5)的5.2%.OC和EC平均浓度及OC和EC在PM_(2.5)中所占比例的季节变化特征均为冬季最高,秋季大于春季,夏季最低.4个季节PM_(2.5)中OC/EC比值均大于2.0,表明各季节存在二次有机碳(SOC)的生成,采用OC/EC最小比值法对SOC含量进行了估算,SOC年平均浓度为(6.88±1.10)μg·m~(-3),占OC含量的50.86%,冬秋季节的SOC浓度水平高于春夏季节.夏季SOC对OC的贡献率为62.22%,高于其他季节.相关性分析表明,OC与EC的相关性在春季(R2=0.9046)和秋季(R2=0.8886)高于夏季(R2=0.4472)和冬季(R2=0.6018),表明春秋两季OC与EC来源相似且相对简单.进一步对PM_(2.5)中8个碳组分质量浓度进行分析显示,北京城区大气碳质气溶胶主要来自汽油车排放和燃煤.     

宜宾市PM_(2.5)中碳组分的污染特性及来源分析

2017年1月—12月期间在四川省宜宾市布置4个点位,共采集360个PM_(2.5)样品膜,采用美国沙漠研究所DRI Model 2001型热光分析仪测定PM_(2.5)样品中OC、EC的浓度值,应用OC/EC比值法对SOC进行了估算.结果表明,宜宾市PM_(2.5)年均浓度为75.2μg·m~(-3).OC、EC年均浓度分别为14.3μg·m~(-3)和4.30μg·m~(-3),季节变化趋势为冬季秋季春季夏季,OC占PM_(2.5)比例为19.0%,为PM_(2.5)重要组成部分.SOC年均浓度为4.70μg·m~(-3),对OC贡献较大,在OC中占比为29.3%;SOC在OC中的占比春季冬季≈秋季夏季.进一步对OC1、OC2、OC3、OC4、EC1、EC2、EC3、和OPC进行主成分分析,结果表明机动车尾气、燃煤排放和生物质燃烧是宜宾市PM_(2.5)中OC和EC的主要贡献源,可贡献PM_(2.5)中碳组分的54.0%—69.0%.     

广州大气PM_(2.5)中含碳组分的污染特征及来源解析

于2015年1月至11月在广州利用大流量大气颗粒物采样器采集细颗粒物(PM_(2.5))样品,并利用热光反射法(TOR)测定大气颗粒物中有机碳(OC)和元素碳(EC)浓度。结果表明,广州ρ(PM_(2.5))年均值为(69.5±35.6)μg·m~(-3),是GB 3095—2012《环境空气质量标准》中PM_(2.5)年均质量浓度二级标准限值(35μg·m~(-3))的2.0倍,表明广州大气细颗粒物污染严重。OC、EC和总碳气溶胶(TCA)的年均质量浓度分别为(8.31±4.53)、(3.56±2.72)和(16.85±9.60)μg·m~(-3),分别占PM_(2.5)质量浓度的13.2%、5.9%和27.0%,表明含碳组分是PM_(2.5)的重要组成部分。OC和EC浓度季节变化规律存在差异性,OC浓度在冬季最高,而EC浓度在秋季最高。OC和EC的相关性弱和比值高的特征结果表明冬季二次有机碳(SOC)污染最严重,其平均质量浓度为6.9μg·m~(-3),占OC质量浓度的62.4%。主成分分析结果表明,冬季和春季广州PM_(2.5)中碳组分来源较复杂,主要包括机动车尾气、燃煤和生物质燃烧,夏季碳组分的主导污染来源是燃煤和机动车尾气,而秋季碳组分主要来源于机动车尾气。     

天津市采暖季PM_(2.5)中碳组分污染特征及来源分析

为探究天津市采暖季PM_(2.5)中碳组分的污染特征及来源,于2017年11月28日—2017年12月30日,分昼夜采集天津市大气中的PM_(2.5)样品,并利用热光碳分析仪测定了PM_(2.5)样品中有机碳(OC)和元素碳(EC)的质量浓度。对天津市PM_(2.5)中OC和EC的浓度变化特征进行分析,采用OC/EC最小比值法估算二次有机碳(SOC)的含量,然后利用主成分分析法(PCA)对碳组分进行来源解析,并基于后向轨迹聚类分析方法探讨区域污染传输对天津市碳组分的影响。结果表明,(1)采样期间,PM_(2.5)中OC和EC的平均质量浓度分别为15.63、4.19μg·m~(-3),分别占PM_(2.5)质量浓度的23.78%和6.38%,天津市碳组分污染仍然比较严重。另外,OC和EC的质量浓度及其占PM_(2.5)质量浓度的百分比均呈现出昼低夜高的特点。(2)OC和EC之间的相关性在白天与夜间均较强(R2分别为0.89和0.75),表明OC与EC的来源均较为一致。夜间相关系数R2较低,碳组分来源更为复杂。(3)白天SOC的估算值为5.37μg·m~(-3),占OC的38.71%;夜间SOC的估算值为8.54μg·m~(-3),占OC的48.69%,天津市存在严重的SOC污染。(4)2017年采暖季,天津市PM_(2.5)碳组分污染主要来源于汽油车尾气、道路扬尘、燃煤与生物质燃烧。与白天相比,夜间道路扬尘的贡献作用更加显著。(5)采样期间,天津市气团轨迹主要来自西北与偏北方向。不同方向的气团轨迹对PM_(2.5)中碳组分的影响存在显著差异。研究结果可为天津市制定具有针对性的大气污染控制措施以及区域间的联防联控提供科学依据。     

太原市PM_(2.5)中含碳气溶胶特征分析

为研究太原市环境空气中含碳组分的时空分布变化规律,于2014年3月、5月、8月、12月采集了太原市3个点位春、夏、秋、冬等4个季节的PM_(2.5)样品,利用碳分析仪(DRI 2001A)测定了样品中OC1、OC2、OC3、OC4、EC1、EC2、EC3、OPC共8种碳组分含量,计算了有机碳(OC)、元素碳(EC)二者浓度,分析了OC和EC的时空分布特征.结果显示,太原市PM_(2.5)中OC和EC的平均质量浓度分别是13.5±14μg·m~(-3)和6.5±6.1μg·m~(-3),其中OC浓度随季节变化顺序为冬季春季夏季秋季,EC浓度季节变化与OC一致.春、夏、秋、冬4个季节总含碳气溶胶(TCA)占PM_(2.5)比例分别为17.6%、9.5%、8.8%、42.3%,其中冬季最高,表明冬季含碳气溶胶污染较为严重.夏季中OC和EC相关性较弱(R~2=0.4054),而春季(R~2=0.7659)、秋季(R~2=0.8253)、冬季(R~2=0.8184)OC和EC相关性较强,表明夏季碳气溶胶来源不同.通过(OC/EC)min最小比值法估算二次有机碳(SOC)浓度,春、夏、秋、冬季SOC浓度分别为2.8±2.9μg·m~(-3)、1.0±0.8μg·m~(-3)、 0.5±0.4μg·m~(-3)、 3.6±3.5μg·m~(-3),冬季SOC浓度最高. 8种碳组分分析结果显示,不同季节一次排放源中生物质燃烧、机动车尾气排放及煤炭燃烧对太原市含碳气溶胶贡献不同,其中,冬季燃煤和机动车排放使太原市含碳气溶胶污染严重,应加强燃煤和机动车排放源管控,来减轻碳组分污染.     

天津市夏季PM2.5中碳组分时空变化特征及来源解析

为研究天津市夏季PM_2.5中碳组分的时空变化特征及来源,于2019年7—8月设立2个点位分昼夜采集天津市PM_2.5样品,并测定了其中有机碳(OC)和元素碳(EC)的含量。结果表明,城区PM_2.5、OC和EC浓度日均值分别为(53.4±20.8)μg·m^-3、(8.72±2.56)μg·m^-3和(1.67±0.90)μg·m^-3,郊区PM_2.5、OC和EC浓度日均值分别为(54.2±24.5)μg·m^-3、(7.54±2.50)μg·m^-3和(1.82±1.06)μg·m^-3;白天PM_2.5、OC、EC的平均浓度分别为(47.3±16.1)μg·m^-3、(8.7±2.1)μg·m^-3和(1.5±0.6)μg·m^-3,夜间PM_2.5、OC、EC的平均浓度分别为(60.2±26.2)μg·m^-3、(7.5±2.9)μg·m^-3和(2.0±1.2)μg·m^-3。OC浓度表现为城区高于郊区,白天高于夜间;EC及PM_2.5浓度表现为郊区高于城区,夜间高于白天。OC/EC比值分析得,城区(6.04)高于郊区(5.08);白天(6.58)高于夜间(4.54)。城区OC与EC相关性弱于郊区,白天OC与EC相关性弱于夜间。采用EC示踪法与MRS模型对SOC含量进行估算,得到白天与夜间SOC浓度分别为(5.71±1.35)μg·m^-3和(3.81±1.20)μg·m^-3,白天SOC污染比夜间严重。丰度分析与主成分分析的结果表明,天津市夏季城郊区PM_2.5中碳组分均主要来源于燃煤和机动车尾气排放。     

长治市秋冬季PM2.5组分特征及来源解析

采集了2017—2018年秋冬季长治市审计局站、监测站、清华站等3个监测站点的大气PM_(2.5)样品,分析了其元素、水溶性离子及碳质组分特征,并利用化学质量平衡模型(CMB)对PM_(2.5)进行来源解析.结果表明,采样期间长治市PM_(2.5)浓度为67.9μg·m~(-3),其中审计局站PM_(2.5)浓度最高(70.6μg·m~(-3)),其次为监测站(70.0μg·m~(-3))和清华站(63.0μg·m~(-3));二次无机离子(SO_4~(2-)、NO~-_3、NH~+_4)平均浓度(20.7μg·m~(-3))占PM_(2.5)浓度的30.5%,与大量排放到大气中的SO_2、NO_2二次生成有关;OC(12.6μg·m~(-3))和EC(6.6μg·m~(-3))分别占PM_(2.5)的18.6%和9.7%;OC/EC为2.06,且SOC(5.9μg·m~(-3))在OC中占比高达63.1%,表明长治市秋冬季二次污染较重;典型地壳元素Si和Ca占元素组分平均浓度的29.8%和22.8%,说明扬尘污染对长治市PM_(2.5)的有一定影响;源解析结果表明,长治市秋冬季PM_(2.5)主要来源为:机动车源17.0%、燃煤源16.5%、扬尘源14.6%、二次硝酸盐13.9%、二次硫酸盐11.0%、二次有机气溶胶10.8%、工艺过程源9.3%、生物质燃烧源1.9%、其他源5.0%.因此,为进一步降低长治市环境空气中PM_(2.5)的污染,需在加强管控机动车,燃煤和扬尘等一次排放源的基础上,降低一次污染物SO_2、NO_2等的排放,从而实现对二次污染源前体物的控制.     

重污染天气期间济南市城区和清洁对照点PM_(2.5)及其组分污染特征

为探究重污染天气期间济南市城区和清洁对照点PM_(2.5)及其组分污染特征,于2016年12月31日-2017年1月7日在市监测站和跑马岭进行连续PM_(2.5)样品采集,并对两个点位的PM_(2.5)及其组分(水溶性离子和碳质组分)污染特征进行分析。结果表明,重污染天气期间市监测站PM_(2.5)质量浓度(260±77)μg·m~(-3)是跑马岭(85±17)μg·m~(-3)的3倍,表明该重污染天气过程对济南市城区影响程度明显大于清洁对照点跑马岭。市监测站水溶性离子浓度高低顺序为SO_4~(2-)NO_3~-NH_4~+Cl~-K~+Na~+Ca~(2+)F~-,跑马岭水溶性离子浓度高低顺序为NO_3~-SO_4~(2-)NH_4~+Cl~-K~+Na~+Ca~(2+)F~-。市监测站和跑马岭二次无机离子(SNA)质量浓度分别为(134.7±49.5)μg·m~(-3)和(46.2±19.0)μg·m~(-3),在PM_(2.5)中占比分别是51.8%和54.4%,两个点位PM_(2.5)浓度差别很大,但SNA在PM_(2.5)中占比相差不大。通过NH_4~+计算值与实测值相关性分析可知,市监测站和跑马岭PM_(2.5)中NH_4~+均主要以(NH_4)_2SO_4和NH_4NO_3形式存在。市监测站SOR和NOR分别为0.44和0.32,跑马岭SOR和NOR分别为0.32和0.44,SOR和NOR的值均大于0.1,表明大气中SO_2和NO_2的二次氧化程度较高。采用OC/EC最小比值法估算得到市监测站和跑马岭SOC分别为8.3μg·m~(-3)和1.8μg·m~(-3),分别占OC的38.2%和20.9%,这表明市监测站OC二次反应程度明显高于跑马岭。市监测站有机碳(OC)和元素碳(EC)相关性(R~2=0.57)明显弱于跑马岭(R~2=0.92),表明市监测站OC和EC来源比较复杂,更有利于SOC的生成。     

成都市冬季PM_(2.5)中碳组分污染特征及来源解析

为研究成都市冬季PM_(2.5)中碳组分的污染特征和来源,于2019年12月7—28日在成都市进行PM_(2.5)的采集,并利用热光碳分析仪和元素分析仪-同位素质谱仪分别测定了样品中有机碳(OC)和元素碳(EC)的质量浓度以及碳同位素的组成特征。结果表明,成都市PM_(2.5)、OC和EC的平均质量浓度分别为98.23、14.50、2.19μg·m~(-3);OC和EC的相关性较高(相关系数为0.80),表明OC和EC可能具有一致的来源,也有可能是具有较高的混合程度;OC/EC比值大于2.0,表明成都市冬季有二次有机碳(SOC)的形成,且SOC/OC的比值为34.48%;主成分分析结果显示,生物质燃烧、燃煤和汽油车尾气尘混合源是成都市冬季PM_(2.5)碳组分的主要来源,贡献率为59.68%;其次是柴油车尾气尘,贡献率为22.40%;碳同位素组成结果显示,成都市冬季PM_(2.5)碳组分的来源与汽油车尾气排放相关性最强,其次为C3植物燃烧;通过IsoSource模型软件进行计算,可知不同时期各污染源的贡献比例均呈现出汽油车尾气排放C3植物燃烧柴油车尾气排放燃煤C4植物燃烧地质源(农业土壤、扬尘)的规律,但相较于清洁期来说,污染期的汽油车尾气排放和C3植物燃烧污染源所占比例增大。研究结果可为成都市大气污染治理提供理论指导。     

济南市居住区采暖季大气PM_(2.5)中碳组分构成及变化分析

为探究济南市采暖季环境空气中PM_(2.5)中碳组分的污染情况及主要来源,于2017年11月16日-2018年3月31日和2017年11月16日-28日分别进行了居住区和背景区离线颗粒物采样,运用美国沙漠研究所DRIModel2015多波长热/光学碳分析仪对大气PM_(2.5)中碳组分进行了分析。研究结果显示,日均质量浓度ρ(OC)、ρ(EC)和ρ(PM_(2.5))在居住区为9.26、3.16、85.32μg·m~(-3),在背景区为2.88、1.44、59.27μg·m~(-3),说明居住区碳组分污染程度明显高于背景区。居住区日均质量浓度最高的碳组分为OC4、OC3和EC2;OC3和OC4日均质量浓度随污染等级从优向重度污染变化的过程逐渐增大,且OC日均质量浓度的变化情况跟OC3和OC4日均质量浓度变化相一致。但OC/PM_(2.5)和EC/PM_(2.5)均随污染等级的加重而呈下降趋势,可见OC和EC并不是济南采暖季重污染天气的控制因子。PMF来源解析结果显示,济南市采暖季居住区碳组分贡献较大的源为燃煤源、汽油车尾气和道路尘。结合碳组分在线监测仪器(美国SUNSET公司,型号RT-4)同期OC和EC质量浓度数据,采用Cabada改进后的方法,计算出SOC和POC质量浓度分别为1.14μg·m~(-3)和4.69μg·m~(-3)对采样时间段内一次典型重污染过程进行分析,发现CO、EC、POC等一次污染物的大量排放、不利的气象因素、区域传输等因素共同导致了此次污染过程的的形成。     

石河子市PM_2.5中有机碳和元素碳的变化特征与来源解析

本研究采集2015年9月至2016年8月石河子市不同类型天气下大气颗粒物样品,根据气象条件进行霾与沙尘分类,使用热光碳分析仪DRI 2001A进行有机碳(organic carbon,OC)与元素碳(elemental carbon,EC)测定,采用最小比值法估算二次有机碳(second organic carbon,SOC)质量浓度,主成分分析法(principle component analysis,PCA)分析其可能来源.结果表明:中霾天气下OC和EC平均质量浓度达到20.85±5.03、2.75±0.46μg·m~(-3)(沙尘天气18.9±4.4μg·m~(-3),2.6±0.9μg·m~(-3)).二次有机碳SOC在中霾天气下质量浓度为10.62±3.94μg·m~(-3)(沙尘天气9.3±3.7μg·m~(-3)),占OC浓度67%(沙尘天气67%).霾与沙尘天气OC与EC相关系数低于非霾非沙尘天气,表明霾与沙尘天气较非霾非沙尘天气有着复杂的污染源.PCA分析表明,霾与沙尘天气下的碳气溶胶的主要排放源为机动车尾气,固定燃煤源和道路扬尘.本项研究分析了石河子市霾和沙尘天气下的碳气溶胶分布,有望为中国西部城市的霾和沙尘天气治理提供依据.     

新冠肺炎疫情期间南京市PM2.5中碳质组分污染特征分析

为掌握新冠肺炎疫情爆发前后南京市城区细大气细颗粒物(PM_(2.5))中有机碳(OC)和元素碳(EC)的浓度变化特征,于2020年1—2月期间在南京市主城区在线监测了PM_(2.5)、OC、EC浓度及气象要素。与应急响应前相比,应急响应启动后PM_(2.5)浓度下降了41.2%,EC浓度下降了57.9%,而OC浓度不降反增,表明停工停产显著降低了PM_(2.5)和EC浓度,但对OC浓度变化影响较小。在应急响应前,OC和EC浓度均呈现白天浓度低、清晨及傍晚浓度高的日变化规律;在应急响应后,EC浓度日变化不大且维持在较低水平,OC浓度呈现午后浓度低、午前和傍晚浓度高的变化规律。PM_(2.5)浓度在应急响应后的大幅减少导致光照辐射强度提升,有利于光化学反应生成二次有机碳(SOC)。在PM_(2.5)和EC浓度下降的形势下SOC浓度不降反增,同时OC与EC的相关性显著降低。     

北京城区夏季PM_(2.5)中碳组分和二次水溶性无机离子浓度特征

为探索北京城区大气细颗粒物浓度水平及其碳组分和二次水溶性无机离子的浓度特征,于2014年6月1日至7月15日在车公庄地区使用微量振荡天平(TEOM+FDMS)、EC/OC在线分析仪以及水溶性离子在线分析仪对PM_(2.5)质量浓度及其主要化学组分(OC、EC、SO_4~(2-)、NO_3~-和NH_4~+)进行了实时监测.研究结果表明,北京市城区夏季PM_(2.5)质量浓度平均值为69.0±47.9μg·m-3,PM_(2.5)中OC、EC、SO_4~(2-)、NO_3~-和NH_4~+所占的比例分别为15.8%、2.4%、23.0%、15.7%和19.2%,SNA(SO_4~(2-)、NO_3~-和NH_4~+)合计达到了PM_(2.5)质量浓度的57.9%.研究各组分的日变化特征发现,OC和SO_4~(2-)白天浓度变化较小,夜晚浓度稍高;NO_3~-和NH_4~+则随着光照和温度的增加而逐渐降低;EC呈现出夜晚浓度高白天浓度低的特点.研究各组分的相关性及比值发现,OC和EC的相关系数为0.62,OC/EC大于2.0,说明北京城区夏季存在着较为严重的二次污染;此外,NO_3~-/SO_4~(2-)平均比值为0.68,SOR和NOR的变化趋势基本一致,两者的平均值分别为0.55和0.14.通过分析北京市城区夏季不同浓度级别各组分的变化发现,随着PM_(2.5)质量浓度的增加,OC和EC所占的比例不断降低,而SNA比例则不断升高,其中NO_3~-浓度水平的增加最为显著.     

高山风景区居民区碳质气溶胶污染特征及来源

碳质气溶胶是大气颗粒物的重要组成部分,具有很强的环境和气候效应,是气溶胶科学研究领域的热点.为探究庐山风景区居民区PM_2.5中碳质组分的污染特征及来源,于2019年12月2日—2020年10月31日在庐山风景区居民区进行PM_2.5样品采集,并对其碳质组分有机碳(OC)和元素碳(EC)进行分析.结果表明,观测期间庐山风景区居民区PM_2.5的平均质量浓度为(46.45±18.64)μg·m^-3,其中OC和EC平均质量浓度分别是(4.08±1.61)μg·m^-3和(0.23±0.10)μg·m^-3,占PM_2.5总质量的8.78%和0.50%.且碳质颗粒的污染水平普遍低于城市地区,介于国内其他典型高山背景点之间.采用EC示踪法对PM_2.5中的二次有机碳(SOC)进行估算,发现采样期间SOC的平均浓度为(1.51±1.22)μg·m^-3,占OC的33.2%,表明SOC是PM_2.5...     

高原城市昆明PM_(2.5)中碳组分污染特征及来源分析

为研究昆明市大气细颗粒物(PM_(2.5))中碳组分特征,于2014年7月21—27日、2014年10月27—11月2日、2014年1月9—15日、2015年4月14—20日采集了昆明中心城区3个采样点的大气PM_(2.5)四季样品,采用IMPROVE热光分析法准确地测量了样品的有机碳(OC),元素碳(EC)及其中的8个碳组分含量,分析了OC和EC的时空变化特征、相关性关系及其比值特征,并采用因子分析方法研究了主要排放来源对总碳的贡献.结果显示,昆明城区的OC和EC年平均浓度分别为17.83±9.57μg·m~(-3)、5.11±4.29μg·m~(-3),OC浓度显示冬季≈春季秋季夏季的变化趋势,EC浓度显示冬季春季≈秋季夏季的变化趋势,OC与EC浓度季节分布的不一致反映了两种不同性质碳组分排放源之间可能存在差异.从空间分布上来说,OC和EC均呈现金鼎山(工业区)东风东路(交通密集区)西山森林公园(清洁对照区)的特点,与PM_(2.5)的空间分布规律保持一致.OC和EC的相关性在冬、春季较显著,而夏、秋季的相关性较弱.二次有机碳(SOC)对OC的贡献率在金鼎山、东风东路和西山森林公园的3个采样点分别为25.8%、23.7%和47.7%,SOC是总有机碳的重要组成部分.因子分析表明,4个季节燃煤、汽油车、柴油机排放及生物质燃烧对碳气溶胶贡献显著,都是碳组分的重要来源之一.其中,在常年尺度上,机动车排放和燃煤的混合贡献了碳组分的51.3%,是昆明城区碳气溶胶的最主要来源.     

乌鲁木齐大气细颗粒物(PM_(2.5))有机碳和元素碳污染特征分析

对乌鲁木齐市中心区域树木年轮实验室(TRL)和黑山头(HST)2013年1月─2014年2月期间采集的大气细颗粒物(PM_(2.5))样品,利用热光碳分析仪分析了其中的有机碳(OC)和元素碳(EC)浓度水平、污染特征及其可能来源,以期为深入了解乌鲁木齐市颗粒物污染现状,确定乌鲁木齐市大气污染治理重点,制定大气污染防治策略提供依据。结果表明:年轮室OC和EC的质量浓度分别为(15.73±8.50)和(5.48±2.70)μg·m-3,分别占PM_(2.5)质量浓度的9.15%和3.19%,黑山头OC和EC的质量浓度分别为(11.31±7.29)和(4.14±3.26)μg·m-3,分别占PM_(2.5)质量浓度的9.26%和3.06%。年轮室OC的月变化呈现单峰型,4月份浓度最小,1月份浓度最大,黑山头OC的月平均浓度1月份最大,6月份最小,两个站点EC月平均浓度分布均无明显的特征,两个站点最大浓度均出现在2013年1月。OC质量浓度的季节变化是冬季(19.80±8.53)μg·m-3秋季(12.83±8.25)μg·m-3夏季(9.82±2.83)μg·m-3春季(9.31±3.91)μg·m-3,EC质量浓度的季节变化是秋季(5.72±3.35)μg·m-3冬季(5.25±2.61)μg·m-3夏季(5.21±2.37)μg·m-3春季(4.89±2.31)μg·m-3。在不同的季节,OC浓度变化比较明显,EC排放相对稳定。乌鲁木齐春夏季OC和EC的相关性较高,并且相关系数较为接近,说明春夏两季OC和EC来源相对简单,来源一致,主要来源于交通源机动车尾气的排放;秋冬季相关性较低,说明OC和EC来源复杂,秋冬季进入采暖期,采暖期燃煤燃气增加,排放量增大,排放源结构复杂。     

贵阳秋季PM_(2.5)水溶性离子组成特征及来源解析

水溶性无机离子是PM_(2.5)的主要组分之一,对研究PM_(2.5)的物理化学性质,来源及其形成机理具有重要意义.本研究于2017年9月—2017年11月期间在贵阳城区采集了80个PM_(2.5)样品,并测定了8种水溶性离子浓度,探讨贵阳秋季PM_(2.5)水溶性离子组成特征及来源.结果表明贵阳秋季PM_(2.5)中无机离子的平均质量浓度为15.99μg·m~(-3),阴离子和阳离子的平均质量浓度分别为10. 90μg·m~(-3)、5. 09μg·m~(-3); SO_4~(2-)(8. 53±4.63μg·m~(-3))平均质量浓度最高,其次是NH_4~+(2.56±1.62μg·m~(-3))、NO_3~-(2.21±2.96μg·m~(-3))、Ca~(2+)(1.98±0.88μg·m~(-3)),最后依次是K~+(0.37±0.24μg·m~(-3))、Cl-(0.16±0.11μg·m~(-3))、Mg~(2+)(0.11±0.03μg·m~(-3))、Na~+(0.07±0.06μg·m~(-3)); NH_4~+、SO_4~(2-)、NO_3~-是主要水溶性离子,所占比例为83%; NO_3~-/SO_4~(2-)值平均为0.21±0.12,远小于1,说明贵阳秋季PM_(2.5)以固定源污染为主.相关性分析表明,PM_(2.5)中NH_4~+主要以(NH_4)_2SO_4、NH_4HSO_4、NH_4NO_3的形式存在,Ca~(2+)与Mg~(2+)来源可能相同.结合富集系数分析NO_3~-、SO_4~(2-)、Ca~(2+)、K~+、Mg~(2+)基本都是来源于陆源贡献,NO_3~-、SO_4~(2-)是人为源,Ca~(2+)、K~+、Mg~(2+)是地壳源,此外Mg~(2+)还有一部分海源贡献.     

太原市城区大气PM_(2.5)和PM_(10)时空分布特征

研究太原市城区大气颗粒物质量浓度时空变化规律,可以为实施更有效的大气污染综合治理手段提供科学依据。以太原市9个国家空气质量自动监测站的数据为基础,运用统计分析和Kriging插值法,对太原市城区2019年大气颗粒物的时空分布进行了分析。结果表明,2019年太原市城区PM_(2.5)和PM_(10)年均质量浓度分别为56μg·m~(-3)和107μg·m~(-3),是国家二级标准限值的1.60、1.53倍,以PM_(2.5)和PM_(10)为首要污染物占总超标天数的44.03%和12.58%;PM_(2.5)/PM_(10)年均值为0.52,PM_(2.5)对PM_(10)贡献较大;PM_(2.5)季平均质量浓度为冬季(87μg·m~(-3))秋季(50μg·m~(-3))春季(49μg·m~(-3))夏季(34μg·m~(-3)),PM_(10)为冬季(123μg·m~(-3))春季(120μg·m~(-3))秋季(98μg·m~(-3))夏季(64μg·m~(-3));PM_(2.5)和PM_(10)质量浓度月变化呈U型,二者平均质量浓度1月最高,8月最低;PM_(2.5)和PM_(10)24h质量浓度变化呈"单峰单谷"型,峰值在10:00,谷值在17:00;取暖期PM_(2.5)与CO、SO2和NO_2相关性高于其他时段;太原市城区PM_(2.5)和PM_(10)质量浓度空间分布总体上呈北低南高之势,PM_(2.5)春夏秋季的空间分布格局与太原市城区生产、生活、交通干道分布格局比较吻合。以上结果提示秋冬季是太原市城区颗粒物治理的关键时期,位于南部的小店和晋源区为重点防控治理区域。     

天津城区PM_(2.5)中碳组分污染特征分析

为探讨天津城区碳组分的季节污染特征,于2009年4月—2010年1月采集大气PM2.5样品,测定其碳组分浓度,分析有机碳(OC)和元素碳(EC)的相互关系,并探讨气象条件对碳组分浓度的影响.结果表明,天津城区PM2.5质量浓度为141.47μg·m-3,OC和EC质量浓度年均值分别为18.81μg·m-3和6.86μg·m-3,分别占PM2.5质量浓度的13.3%和4.8%,碳组分系PM2.5的重要组成部分;季节分布特征显示,秋、冬季OC和EC污染较为严重,总碳气溶胶(TCA)分别为45.74μg·m-3和46.75μg·m-3,占PM2.5质量浓度的30.1%和40.1%;采用改进的OC/EC最小比值法计算得到的二次有机碳(SOC)浓度显示,秋季和冬季SOC较高,为7.45μg·m-3和7.28μg·m-3.后向轨迹的聚类分析表明,局地气流或偏南气流控制下的PM2.5中碳组分浓度较高.     

青藏高原东缘冬季PM2.5中碳组分特征和来源解析

于2017年冬季12月13—21日在青藏高原东缘理塘地区分昼夜采集PM_2.5样品,并用DRI2001A热光碳分析仪测定了有机碳(OC)和元素碳(EC)的质量浓度,研究青藏高原PM_2.5中碳组分的化学特征及主要来源,以期为理塘地区制定污染排放政策提供参考。结果表明,2017年冬季青藏高原东缘理塘地区PM_2.5平均质量浓度为44.34μg·m^?3,OC和EC的质量浓度为12.72μg·m^?3和3.85μg·m^?3,分别占PM_2.5质量浓度的29.61%和8.96%。通过经验公式,计算得到总碳气溶胶(TCA)质量浓度为24.20μg·m^?3,占PM_2.5的54.84%,说明碳质气溶胶对青藏高原东缘理塘地区PM_2.5有着十分重要的贡献。OC和EC在白天和夜间都有较高的相关性(相关系数分别为0.74和0.91),表明OC和EC的来源基本一致,受燃烧源影响较大。其中白天的相关系数低于夜间,说明青藏高原东缘理塘地区白天碳组分来源相对复杂。昼夜浓度对比显示,青藏高原东缘理塘地区PM_2.5白天和夜间的质量浓度分别为53.88μg·m^?3和33.44μg·m^?3,OC和EC浓度白天高于夜间,表明白天人为排放相对较高。冬季观测期间,PM_2.5中二次有机碳(SOC)昼夜浓度分别为1.11μg·m^?3和3.03μg·m^?3,分别占OC质量浓度的7.09%、26.59%,表明青藏高原东缘理塘城区白天碳组分主要为一次源。利用PMF 5.0软件对理塘城区碳组分进行进一步的解析,结果显示燃煤和生物质燃烧的混合源对总碳(TC)的贡献高达47.84%,占比最高;其次是汽车尾气和柴油车尾气源,贡献率分别为28.62%和23.54%。